JPWO2020153047A1 - Voltage controller - Google Patents

Voltage controller Download PDF

Info

Publication number
JPWO2020153047A1
JPWO2020153047A1 JP2020567425A JP2020567425A JPWO2020153047A1 JP WO2020153047 A1 JPWO2020153047 A1 JP WO2020153047A1 JP 2020567425 A JP2020567425 A JP 2020567425A JP 2020567425 A JP2020567425 A JP 2020567425A JP WO2020153047 A1 JPWO2020153047 A1 JP WO2020153047A1
Authority
JP
Japan
Prior art keywords
voltage
neural network
determination unit
function
inference result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2020567425A
Other languages
Japanese (ja)
Other versions
JP7404276B2 (en
Inventor
智宏 松本
恭正 長谷川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Semiconductor Solutions Corp
Original Assignee
Sony Semiconductor Solutions Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Semiconductor Solutions Corp filed Critical Sony Semiconductor Solutions Corp
Publication of JPWO2020153047A1 publication Critical patent/JPWO2020153047A1/en
Application granted granted Critical
Publication of JP7404276B2 publication Critical patent/JP7404276B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26—Power supply means, e.g. regulation thereof
    • G06F1/32—Means for saving power
    • G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234—Power saving characterised by the action undertaken
    • G06F1/3296—Power saving characterised by the action undertaken by lowering the supply or operating voltage
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means
    • G06N3/065—Analogue means
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Neurology (AREA)
  • Power Sources (AREA)
  • Control Of Voltage And Current In General (AREA)

Abstract

限界動作電圧を自動的に設定する電圧制御装置を提供する。第１ニューラルネットワークと、第２ニューラルネットワークと、推論結果判定部と、電圧決定部と、を備えており、前記推論結果判定部が、前記推論結果判定部に保持された正解値データと前記第１ニューラルネットワークの推論結果データとを比較して判定結果データを得る機能を有しており、前記電圧決定部が、前記判定結果データに基づいて、前記正解値データと前記推論結果データが一致した場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている電圧より低い電圧信号を出力し、前記正解値データと前記推論結果データが一致しない場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より高い前記電圧信号を出力する機能を有している、電圧制御装置を提供する。Provided is a voltage control device that automatically sets a limit operating voltage. The first neural network, the second neural network, the inference result determination unit, and the voltage determination unit are provided, and the inference result determination unit includes the correct answer value data held in the inference result determination unit and the first. 1 It has a function of comparing with the inference result data of the neural network to obtain the determination result data, and the voltage determination unit matches the correct answer value data with the inference result data based on the determination result data. In that case, a voltage signal lower than the voltage supplied to the first neural network and the second neural network is output, and if the correct value data and the inference result data do not match, the first neural network and the second neural network are described. Provided is a voltage control device having a function of outputting the voltage signal higher than the voltage supplied to the second neural network.

Description

本技術は、電圧制御装置に関する。 The present technology relates to a voltage control device.

近年、ディープニューラルネットワーク（ＤＮＮ）を用いた学習（ディープラーニング）が注目を浴びている。学習に利用されるデータは、ニューラルネットワークが有するＳＲＡＭ（Static Random Access Memory）等の半導体記憶素子に記憶される。ニューラルネットワークの学習において、半導体記憶素子へのアクセスが数万回にも及ぶことがあるため、消費電力の大半は半導体記憶素子が消費する。したがって、この消費電力の削減が求められている。 In recent years, learning using a deep neural network (DNN) (deep learning) has attracted attention. The data used for learning is stored in a semiconductor storage element such as SRAM (Static Random Access Memory) possessed by the neural network. In learning a neural network, the semiconductor storage element may be accessed tens of thousands of times, so that most of the power consumption is consumed by the semiconductor storage element. Therefore, reduction of this power consumption is required.

消費電力の削減のためには、ニューラルネットワークへの供給電圧を低下することが効果的である。非特許文献１において、学習ニューラルネットワークが有するＳＲＡＭへの供給電圧が低く、このＳＲＡＭのエラーが発生しやすい環境で学習ニューラルネットワークが学習している。この供給電圧が所定の値以下になると、学習ニューラルネットワークの誤り率（Error Rate）が上昇する。そこで、この非特許文献１の執筆者は、この誤り率に閾値が設定され、許容可能な誤り率と、この誤り率となるときの最も低い供給電圧（限界動作電圧）を設定した。すると、通常の電圧が０．８Ｖであるところ、限界動作電圧は０．５Ｖ以下となった。以上のことが、この非特許文献１で説明されている。 In order to reduce power consumption, it is effective to reduce the supply voltage to the neural network. In Non-Patent Document 1, the learning neural network is learning in an environment in which the supply voltage to the SRAM of the learning neural network is low and errors in the SRAM are likely to occur. When this supply voltage becomes a predetermined value or less, the error rate of the learning neural network increases. Therefore, the author of Non-Patent Document 1 has set a threshold value for this error rate, and has set an acceptable error rate and the lowest supply voltage (limit operating voltage) at which this error rate is reached. Then, while the normal voltage was 0.8V, the limit operating voltage was 0.5V or less. The above is described in Non-Patent Document 1.

Lita Y, Boris M, “Approximate SRAM for Energy-Efficient, Privacy-Preserving Convolutional Neural Networks”, IEEE, 2017 IEEE Computer Society Annual Symposium on VLSI (2017): 689-694Lita Y, Boris M, “Approximate SRAM for Energy-Efficient, Privacy-Preserving Convolutional Neural Networks”, IEEE, 2017 IEEE Computer Society Annual Symposium on VLSI (2017): 689-694

非特許文献１では、学習ニューラルネットワークと、推論ニューラルネットワークが用いられている。当該学習ニューラルネットワークによる学習で得られた係数データ等を、当該推論ニューラルネットワークが有するＳＲＡＭに格納し、当該推論ニューラルネットワークが推論を行う。そのため、学習時に得られた限界動作電圧を、推論時にも適用できることが望ましい。 In Non-Patent Document 1, a learning neural network and an inference neural network are used. The coefficient data and the like obtained by learning by the learning neural network are stored in the SRAM of the inference neural network, and the inference neural network performs inference. Therefore, it is desirable that the limit operating voltage obtained at the time of learning can be applied at the time of inference.

しかしながら、学習時におけるＰＶＴ（プロセス、電圧、及び温度）条件と、推論時におけるＰＶＴ条件が異なることがある。そのため、学習時に得られた限界動作電圧を、そっくりそのまま当該推論ニューラルネットワークに適用できないという問題がある。 However, the PVT (process, voltage, and temperature) conditions at the time of learning and the PVT conditions at the time of inference may differ. Therefore, there is a problem that the limit operating voltage obtained at the time of learning cannot be applied to the inference neural network as it is.

そこで、本技術は、限界動作電圧を自動的に設定する電圧制御装置を提供することにより、消費電力を削減することを主目的とする。 Therefore, the main purpose of this technique is to reduce power consumption by providing a voltage control device that automatically sets the limit operating voltage.

本技術は、第１ニューラルネットワークと、第２ニューラルネットワークと、推論結果判定部と、電圧決定部と、を備えており、前記第１ニューラルネットワークが、学習済みの情報に基づいて推論する機能を有しており、前記第２ニューラルネットワークが、未学習の情報に基づいて推論する機能を有しており、前記推論結果判定部が、前記推論結果判定部に保持された正解値データと前記第１ニューラルネットワークの推論結果データとを比較して判定結果データを得る機能を有しており、前記電圧決定部が、前記判定結果データに基づいて、前記正解値データと前記推論結果データが一致した場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている電圧より低い電圧信号を出力し、前記正解値データと前記推論結果データが一致しない場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より高い前記電圧信号を出力する機能を有している、電圧制御装置を提供する。
前記第１ニューラルネットワークが、前記第２ニューラルネットワークの一部又は全部の構成要素が複製されたものであってもよい。
前記第１ニューラルネットワークが、前記第２ニューラルネットワークの構成要素の一部で構成されていてもよい。
前記第１ニューラルネットワーク及び前記第２ニューラルネットワークが、少なくとも、記憶部と、複数のプロセッシングエレメントと、を有していてもよい。
前記電圧決定部が、少なくとも、電圧差決定部と、電圧差信号変換部と、を有しており、前記電圧差決定部が、前記判定結果データに基づいて、前記第１ニューラルネットワークに供給されている前記電圧と、変更後の前記電圧との電圧差を決定し、電圧差信号を出力する機能を有しており、前記電圧差信号変換部が、前記電圧差信号を変換して、前記電圧信号を出力する機能を有していてもよい。
前記電圧決定部が、前記判定結果データと前記電圧に基づいて、前記正解値データと前記推論結果データが一致しており、かつ、前記第１ニューラルネットワークに供給されている前記電圧が所定の値より高い場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より低い電圧信号を出力してもよい。
前記電圧制御装置が、電圧供給部をさらに備えており、前記電圧供給部が、前記電圧決定部が出力した前記電圧信号に基づいて、前記電圧を前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給する機能を有していてもよい。
前記電圧供給部が、少なくともＤＡコンバーターを有しており、前記ＤＡコンバーターが、デジタル信号である前記電圧信号を、アナログ信号である前記電圧に変換して出力する機能を有していてもよい。
前記第１ニューラルネットワークに供給されている前記電圧を第１供給電圧とし、前記第２ニューラルネットワークに供給されている前記電圧を第２供給電圧とし、前記電圧供給部が、前記第１供給電圧より高い前記第２供給電圧を、前記第２ニューラルネットワークに供給する機能を有していてもよい。The present technology includes a first neural network, a second neural network, an inference result determination unit, and a voltage determination unit, and the first neural network has a function of inferring based on learned information. The second neural network has a function of inferring based on unlearned information, and the inference result determination unit has the correct answer value data held in the inference result determination unit and the first. 1 It has a function of comparing with the inference result data of the neural network to obtain the determination result data, and the voltage determination unit matches the correct answer value data with the inference result data based on the determination result data. In that case, a voltage signal lower than the voltage supplied to the first neural network and the second neural network is output, and if the correct value data and the inference result data do not match, the first neural network and the second neural network are described. Provided is a voltage control device having a function of outputting the voltage signal higher than the voltage supplied to the second neural network.
The first neural network may be a duplicate of a part or all of the components of the second neural network.
The first neural network may be composed of a part of the components of the second neural network.
The first neural network and the second neural network may have at least a storage unit and a plurality of processing elements.
The voltage difference determination unit has at least a voltage difference determination unit and a voltage difference signal conversion unit, and the voltage difference determination unit is supplied to the first neural network based on the determination result data. It has a function of determining the voltage difference between the voltage difference and the changed voltage and outputting the voltage difference signal, and the voltage difference signal conversion unit converts the voltage difference signal and outputs the voltage difference signal. It may have a function of outputting a voltage signal.
Based on the determination result data and the voltage, the voltage determination unit matches the correct value data and the inference result data, and the voltage supplied to the first neural network is a predetermined value. If it is higher, a voltage signal lower than the voltage supplied to the first neural network and the second neural network may be output.
The voltage control device further includes a voltage supply unit, and the voltage supply unit transfers the voltage to the first neural network and the second neural network based on the voltage signal output by the voltage determination unit. It may have a function of supplying.
The voltage supply unit may have at least a DA converter, and the DA converter may have a function of converting the voltage signal, which is a digital signal, into the voltage, which is an analog signal, and outputting the voltage signal.
The voltage supplied to the first neural network is referred to as a first supply voltage, the voltage supplied to the second neural network is referred to as a second supply voltage, and the voltage supply unit is connected to the first supply voltage. It may have a function of supplying the high second supply voltage to the second neural network.

本技術では、第１ニューラルネットワークのエラー発生率が許容範囲内であり、第１ニューラルネットワークに供給される最も低い電圧を、限界動作電圧という。 In this technique, the error occurrence rate of the first neural network is within the permissible range, and the lowest voltage supplied to the first neural network is called the limit operating voltage.

本技術に係る電圧制御装置の全体構成図である。It is an overall block diagram of the voltage control device which concerns on this technology. 本技術に係る電圧制御装置の全体構成図である。It is an overall block diagram of the voltage control device which concerns on this technology. 本技術に係る電圧制御装置の一実施形態である。It is an embodiment of the voltage control device according to the present technology. 本技術に係る推論結果判定部のフローチャートである。It is a flowchart of the inference result determination part which concerns on this technique. 本技術に係る電圧決定部のフローチャートである。It is a flowchart of the voltage determination part which concerns on this technology. 本技術に係る第１ニューラルネットワークと推論結果判定部の一実施形態である。It is an embodiment of the first neural network and the inference result determination unit according to the present technology. 本技術に係る第１ニューラルネットワークと推論結果判定部の一実施形態である。It is an embodiment of the first neural network and the inference result determination unit according to the present technology. 本技術に係る電圧差決定部の動作の例である。This is an example of the operation of the voltage difference determination unit according to the present technology. 本技術に係る電圧差決定部の動作の例である。This is an example of the operation of the voltage difference determination unit according to the present technology. 本技術に係る電圧決定部のフローチャートである。It is a flowchart of the voltage determination part which concerns on this technology. 本技術に係る電圧制御装置の一実施形態である。It is an embodiment of the voltage control device according to the present technology. 本技術に係る電圧制御装置の一実施形態である。It is an embodiment of the voltage control device according to the present technology. 本技術に係る電圧差決定部の動作の例である。This is an example of the operation of the voltage difference determination unit according to the present technology.

以下、本技術を実施するための好適な形態について、添付した図面を参照しつつ説明する。なお、以下に説明する実施形態は、本技術の代表的な実施形態を示したものであり、本技術の範囲がこれらの実施形態に限定されることはない。なお、本技術の説明は以下の順序で行う。
１．本技術に係る第１の実施形態（基本構成）
２．本技術に係る第２の実施形態（電圧供給部）
３．本技術に係る第３の実施形態（異なる供給電圧）Hereinafter, suitable embodiments for carrying out the present technology will be described with reference to the attached drawings. The embodiments described below show typical embodiments of the present technology, and the scope of the present technology is not limited to these embodiments. The present technology will be described in the following order.
1. 1. First Embodiment (basic configuration) pertaining to this technology
2. 2. Second embodiment (voltage supply unit) according to the present technology.
3. 3. Third Embodiment of the present technology (different supply voltage)

１．本技術に係る第１の実施形態（基本構成） 1. 1. First Embodiment (basic configuration) pertaining to this technology

本技術に係る電圧制御装置１００の全体構成図を図１に示す。図１に示すように、本技術に係る電圧制御装置１００は、第１ニューラルネットワーク１１０と、第２ニューラルネットワーク１２０と、推論結果判定部１３０と、電圧決定部１４０と、を備えている。 FIG. 1 shows an overall configuration diagram of the voltage control device 100 according to the present technology. As shown in FIG. 1, the voltage control device 100 according to the present technology includes a first neural network 110, a second neural network 120, an inference result determination unit 130, and a voltage determination unit 140.

第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０は、入力されたデータが何であるかを推論する機能を有している。例えば猫の画像データが入力された場合に、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０は、この画像が猫の画像であるか否かを推論する。入力されるデータは、画像のほかに、例えば音声、記号、数字、文字、信号等でもよい。 The first neural network 110 and the second neural network 120 have a function of inferring what the input data is. For example, when the image data of a cat is input, the first neural network 110 and the second neural network 120 infer whether or not this image is a cat image. The input data may be, for example, voice, symbols, numbers, characters, signals, etc., in addition to the image.

第１ニューラルネットワーク１１０は、既に学習済みの情報に基づいて推論する機能を有している。第２ニューラルネットワーク１２０は、未学習の情報に基づいて推論する機能を有している。 The first neural network 110 has a function of inferring based on the information already learned. The second neural network 120 has a function of inferring based on unlearned information.

第１ニューラルネットワーク１１０は、第２ニューラルネットワーク１２０の一部又は全部の構成要素が複製（レプリカ）されたものである。このことにより、第１ニューラルネットワーク１１０と第２ニューラルネットワーク１２０は同じ動作をすることができる。 The first neural network 110 is a replica of a part or all of the components of the second neural network 120. As a result, the first neural network 110 and the second neural network 120 can perform the same operation.

推論結果判定部１３０は、第１ニューラルネットワーク１１０の推論結果が正解か不正解かを判定し、判定結果データを得る機能を有している。より具体的に説明すると、推論結果判定部１３０は、推論結果判定部１３０が保持している正解値データと、第１ニューラルネットワーク１１０の推論結果データを比較し、判定結果データを出力している。例えば正解値データが猫であり、推論結果データも猫である場合は、判定結果データは正解の値となる。 The inference result determination unit 130 has a function of determining whether the inference result of the first neural network 110 is a correct answer or an incorrect answer, and obtaining determination result data. More specifically, the inference result determination unit 130 compares the correct answer value data held by the inference result determination unit 130 with the inference result data of the first neural network 110, and outputs the determination result data. .. For example, when the correct answer value data is a cat and the inference result data is also a cat, the determination result data is the correct answer value.

電圧決定部１４０は、推論結果判定部１３０が出力した判定結果データに基づいて、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給される電圧を決定する機能を有している。より具体的に説明すると、正解値データと推論結果データが一致した場合は、電圧決定部１４０は、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給されている電圧より低い電圧信号を出力する機能を有している。一方、正解値データと推論結果データが一致しない場合は、電圧決定部１４０は、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給されている電圧より高い電圧信号を出力する機能を有している。 The voltage determination unit 140 has a function of determining the voltage supplied to the first neural network 110 and the second neural network 120 based on the determination result data output by the inference result determination unit 130. More specifically, when the correct value data and the inference result data match, the voltage determination unit 140 outputs a voltage signal lower than the voltage supplied to the first neural network 110 and the second neural network 120. It has a function. On the other hand, when the correct answer value data and the inference result data do not match, the voltage determination unit 140 has a function of outputting a voltage signal higher than the voltage supplied to the first neural network 110 and the second neural network 120. There is.

本技術に係る電圧制御装置１００の別の全体構成図を図２に示す。図２に示すように、第１ニューラルネットワーク１１０は、第２ニューラルネットワーク１２０の構成要素の一部で構成されていてもよい。すなわち、この第１ニューラルネットワーク１１０は、あるときは第１ニューラルネットワーク１１０として動作し、あるときは第２ニューラルネットワーク１２０の一部として動作してもよい。例えば、既に学習済みの情報に基づいて推論するときは、第１ニューラルネットワーク１１０は、第１ニューラルネットワーク１１０として動作し、未学習の情報に基づいて推論するときは、第１ニューラルネットワーク１１０は、第２ニューラルネットワーク１２０の一部として動作してもよい。 FIG. 2 shows another overall configuration diagram of the voltage control device 100 according to the present technology. As shown in FIG. 2, the first neural network 110 may be composed of a part of the components of the second neural network 120. That is, the first neural network 110 may operate as the first neural network 110 at one time and may operate as a part of the second neural network 120 at another time. For example, when inferring based on already learned information, the first neural network 110 operates as the first neural network 110, and when inferring based on unlearned information, the first neural network 110 is It may operate as a part of the second neural network 120.

第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０の消費電力を削減するためには、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給されている電圧を低くすることが効果的である。そのため、推論結果データと正解値データが一致した場合、電圧決定部１４０が、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給されている電圧より低い電圧信号を出力する。 In order to reduce the power consumption of the first neural network 110 and the second neural network 120, it is effective to reduce the voltage supplied to the first neural network 110 and the second neural network 120. Therefore, when the inference result data and the correct answer value data match, the voltage determination unit 140 outputs a voltage signal lower than the voltage supplied to the first neural network 110 and the second neural network 120.

上述したように、第１ニューラルネットワーク１１０は、学習済みの情報に基づいて推論する機能を有している。そのため、第１ニューラルネットワーク１１０の推論結果データと正解値データが一致することが通常である。この推論結果データと正解値データが一致しない場合は、第１ニューラルネットワーク１１０に供給されている電圧が、限界動作電圧ＶＬよりも低くなった場合である。この場合、電圧決定部１４０が、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給されている電圧より高い電圧信号を出力する。As described above, the first neural network 110 has a function of inferring based on the learned information. Therefore, it is usual that the inference result data of the first neural network 110 and the correct answer value data match. When the inference result data and the correct answer value data do not match, it means that the voltage supplied to the first neural network 110 is lower than the limit operating voltage VL. In this case, the voltage determining unit 140 outputs a voltage signal higher than the voltage supplied to the first neural network 110 and the second neural network 120.

このことにより、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０は、限界動作電圧ＶＬの付近の電圧で動作する。したがって、第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０の消費電力が削減できる。As a result, the first neural network 110 and the second neural network 120 operate at a voltage near the limit operating voltage VL. Therefore, the power consumption of the first neural network 110 and the second neural network 120 can be reduced.

すなわち、電圧制御装置１００は、限界動作電圧を自動的に設定することができる。 That is, the voltage control device 100 can automatically set the limit operating voltage.

本技術に係る電圧制御装置１００を具体化した一実施形態を図３に示す。図３に示すように、本技術に係る電圧制御装置１００は、第１ニューラルネットワーク１１０と、第２ニューラルネットワーク１２０と、推論結果判定部１３０と、電圧決定部１４０と、を備えている。 FIG. 3 shows an embodiment embodying the voltage control device 100 according to the present technology. As shown in FIG. 3, the voltage control device 100 according to the present technology includes a first neural network 110, a second neural network 120, an inference result determination unit 130, and a voltage determination unit 140.

第１ニューラルネットワーク１１０は、少なくとも、記憶部１１１と、プロセッシングエレメント群１１２と、を有することができる。このプロセッシングエレメント群１１２は、複数のプロセッシングエレメントから成っている。記憶部１１１として、例えばＳＲＡＭ等の半導体記憶素子を利用できる。 The first neural network 110 can have at least a storage unit 111 and a processing element group 112. The processing element group 112 is composed of a plurality of processing elements. As the storage unit 111, a semiconductor storage element such as SRAM can be used.

第１ニューラルネットワーク１１０と同様に、第２ニューラルネットワーク１２０は、少なくとも、記憶部１２１と、プロセッシングエレメント群１２２と、を有することができる。 Similar to the first neural network 110, the second neural network 120 can have at least a storage unit 121 and a processing element group 122.

推論結果判定部１３０は、推論結果判定部１３０に保持された正解値データＡＣと、第１ニューラルネットワーク１１０の推論結果データとを比較して判定結果データを得る機能を有している。Inference result judging unit 130 has the inference result determining section and correct value data A C held in the 130, the function to obtain a determination result data by comparing the inference result data of the first neural network 110.

ここで、推論結果判定部１３０のフローチャートを図４に示す。図４に示すように、推論結果判定部１３０は、推論結果判定部１３０に保持された正解値データＡＣと、ニューラルネットワーク１１０の推論結果データとを比較する（Ｓ１）。Here, the flowchart of the inference result determination unit 130 is shown in FIG. As shown in FIG. 4, the inference result determining unit 130 compares the inference and result judging unit 130 correct value data A C held in, the inference result data of the neural network 110 (S1).

正解値データＡＣと推論結果データが一致した場合（Ｓ１：Ｙｅｓ）は、推論結果判定部１３０は、判定結果データである判定結果フラグＦに、値「０」を設定する（Ｓ２）。一方、正解値データＡＣと推論結果データが一致しない場合（Ｓ１：Ｎｏ）は、推論結果判定部１３０は、判定結果フラグＦに、値「１」を設定する（Ｓ３）。When the correct answer value data AC and the inference result data match (S1: Yes), the inference result determination unit 130 sets the value "0" in the determination result flag F which is the determination result data (S2). On the other hand, when the correct answer value data AC and the inference result data do not match (S1: No), the inference result determination unit 130 sets the value "1" in the determination result flag F (S3).

この判定結果フラグＦの値に基づいて、電圧決定部１４０が動作する。電圧決定部１４０のフローチャートを図５に示す。 The voltage determination unit 140 operates based on the value of the determination result flag F. The flowchart of the voltage determination unit 140 is shown in FIG.

図５に示すように、判定結果フラグＦに値「０」が設定されている場合（Ｓ４：Ｙｅｓ）は、電圧決定部１４０は、ニューラルネットワーク１１０に供給されている電圧Ｖ１より低い電圧信号を出力する（Ｓ５）。 As shown in FIG. 5, when the value "0" is set in the determination result flag F (S4: Yes), the voltage determination unit 140 transmits a voltage signal lower than the voltage V1 supplied to the neural network 110. Output (S5).

一方、判定結果フラグに値「１」が設定されている場合（Ｓ４：Ｎｏ）は、電圧決定部１４０は、ニューラルネットワーク１１０に供給されている電圧Ｖ１より高い電圧信号を出力する（Ｓ６）。 On the other hand, when the value "1" is set in the determination result flag (S4: No), the voltage determination unit 140 outputs a voltage signal higher than the voltage V1 supplied to the neural network 110 (S6).

続いて、第１ニューラルネットワーク１１０と、推論結果判定部１３０の一実施形態を、図６と図７に示す。図６は、第１ニューラルネットワーク１１０が正しく推論できた場合の処理を示す。図７は、第１ニューラルネットワーク１１０が正しく推論できなかった場合の処理を示す。 Subsequently, FIGS. 6 and 7 show an embodiment of the first neural network 110 and the inference result determination unit 130. FIG. 6 shows the processing when the first neural network 110 can be inferred correctly. FIG. 7 shows a process when the first neural network 110 cannot be inferred correctly.

まず、第１ニューラルネットワーク１１０が正しく推論できた場合の処理について、図６を参照しつつ説明する。図６に示すように、第１ニューラルネットワーク１１０に、画像データＧ１が入力される。この例では、画像データＧ１は猫の画像とする。 First, the processing when the first neural network 110 can be inferred correctly will be described with reference to FIG. As shown in FIG. 6, the image data G1 is input to the first neural network 110. In this example, the image data G1 is an image of a cat.

第１ニューラルネットワーク１１０による推論結果データは、画像データＧ１が猫である確率が９０％、犬である確率が５％、馬である確率が２％、鳥である確率が２％、羊である確率が１％となっている。 The inference result data by the first neural network 110 has a 90% probability that the image data G1 is a cat, a 5% probability that it is a dog, a 2% probability that it is a horse, a 2% probability that it is a bird, and a sheep. The probability is 1%.

第１ニューラルネットワーク１１０に供給されている電圧Ｖ１は、限界動作電圧ＶＬよりも高い。そのため、第１ニューラルネットワーク１１０は、正しく推論ができている。The voltage V1 supplied to the first neural network 110 is higher than the limit operating voltage VL. Therefore, the first neural network 110 can infer correctly.

推論結果判定部１３０が有する２値化部１３１は、所定の値、例えば５０％を閾値として、第１ニューラルネットワーク１１０による推論結果データを「０」又は「１」に２値化する。推論結果データにおける確率が５０％より高い場合は、２値化部１３１は値「１」を出力する。推論結果データにおける確率が５０％以下の場合は、２値化部１３１は値「０」を出力する。なお、閾値は５０％でなくともよい。 The binarization unit 131 possessed by the inference result determination unit 130 binarizes the inference result data by the first neural network 110 to "0" or "1" with a predetermined value, for example, 50% as a threshold value. When the probability in the inference result data is higher than 50%, the binarization unit 131 outputs the value "1". When the probability in the inference result data is 50% or less, the binarization unit 131 outputs the value "0". The threshold value does not have to be 50%.

この実施例では、画像データが猫である確率が９０％であり、閾値５０％より高いため、２値化部１３１は猫の項目の値を「１」に設定する。その他の項目（犬、馬、鳥、及び羊）においては、確率が５０％以下であるため、２値化部１３１はこれらの項目の値を「０」に設定する。 In this embodiment, the probability that the image data is a cat is 90%, which is higher than the threshold value of 50%, so the binarization unit 131 sets the value of the cat item to "1". For other items (dogs, horses, birds, and sheep), the probability is 50% or less, so the binarization unit 131 sets the values of these items to "0".

画像データが猫の画像データであるため、正解は猫である。そのため、正解値データＡＣは、猫の項目の値が「１」となっており、その他の項目（犬、馬、鳥、及び羊）の値が「０」となっている。Since the image data is the image data of a cat, the correct answer is a cat. Therefore, the correct value data A C, the value of the cat of the item has become a "1", other items (dogs, horses, birds, and sheep) the value is and has a "0".

続いて、推論結果判定部１３０が有する正解比較部１３２は、推論結果データと正解値データＡＣを比較する。猫の項目では、推論結果データの値が「１」、正解値データＡＣの値が「１」であるため、判定値に「１」が設定される。その他の項目（犬、馬、鳥、及び羊）では、推論結果データの値が「０」、正解値データＡＣの値が「０」であるため、判定値に「１」が設定される。Subsequently, the correct answer comparing unit 132 included in the inference result determining unit 130 compares the correct answer value data A C and reasoning result data. The cat item, the value of the inference result data is "1", the value of the correct value data A C is "1", "1" is set to the determination value. In other items (dogs, horses, birds, and sheep), the value of the inference result data is "0", the value of the correct value data A C is "0", "1" is set to the determination value ..

以上の処理により、すべての項目の判定値が「１」に設定されるため、推論結果判定部１３０は、判定結果フラグＦに値「０」を設定する。 Since the determination values of all the items are set to "1" by the above processing, the inference result determination unit 130 sets the value "0" to the determination result flag F.

一方、第１ニューラルネットワーク１１０が正しく推論できなかった場合の処理について、図７を参照しつつ説明する。図７に示す例においても、画像データＧ１は猫の画像とする。 On the other hand, the process when the first neural network 110 cannot be inferred correctly will be described with reference to FIG. 7. Also in the example shown in FIG. 7, the image data G1 is an image of a cat.

第１ニューラルネットワーク１１０による推論結果データは、画像データが猫である確率が４５％、犬である確率が５１％、馬である確率が１％、鳥である確率が２％、羊である確率が１％となっている。 The inference result data by the first neural network 110 has a 45% probability that the image data is a cat, a 51% probability that it is a dog, a 1% probability that it is a horse, a 2% probability that it is a bird, and a probability that it is a sheep. Is 1%.

第１ニューラルネットワーク１１０に供給されている電圧Ｖ１は、限界動作電圧ＶＬよりも低い。そのため、第１ニューラルネットワーク１１０は、正しく推論ができていない。The voltage V1 supplied to the first neural network 110 is lower than the limit operating voltage VL. Therefore, the first neural network 110 cannot reason correctly.

この実施例では、画像データが犬である確率が５１％であり、閾値５０％より高いため、２値化部１３１は犬の項目の値を「１」に設定する。その他の項目（猫、馬、鳥、及び羊）においては、確率が５０％以下であるため、２値化部１３１はこれらの項目の値を「０」に設定する。 In this embodiment, the probability that the image data is a dog is 51%, which is higher than the threshold value of 50%, so the binarization unit 131 sets the value of the dog item to "1". For other items (cats, horses, birds, and sheep), the probability is 50% or less, so the binarization unit 131 sets the values of these items to "0".

続いて、正解比較部１３２は、推論結果データと正解値データＡＣを比較する。猫の項目では、推論結果データの値が「０」、正解値データＡＣの値が「１」であるため、判定値に「０」が設定される。犬の項目では、推論結果データの値が「１」、正解値データＡＣの値が「０」であるため、判定値に「０」が設定される。その他の項目（馬、鳥、及び羊）では、推論結果データの値が「０」、正解値データＡＣの値が「０」であるため、判定値に「１」が設定される。Subsequently, the correct answer comparing unit 132 compares the correct answer value data A C and reasoning result data. The cat item, the value of the inference result data is "0", the value of the correct value data A C is "1", "0" is set to the determination value. In dogs the item, the value of the inference result data is "1", the value of the correct value data A C is "0", "0" is set to the determination value. In other items (horses, birds, and sheep), the value of the inference result data is "0", the value of the correct value data A C is "0", "1" is set to the determination value.

以上の処理により、値「０」が設定された判定値と、値「１」が設定された判定値が混在しているため、推論結果判定部１３０は、判定結果フラグＦに値「１」を設定する。 By the above processing, since the determination value in which the value "0" is set and the determination value in which the value "1" is set are mixed, the inference result determination unit 130 sets the determination result flag F to the value "1". To set.

この判定結果フラグＦに基づいて、後続の電圧決定部１４０が動作をする。ここで、図３の説明に戻る。図３に示すように、電圧決定部１４０は、少なくとも、電圧差決定部１４１と、電圧差信号変換部１４２と、を有している。 Based on this determination result flag F, the subsequent voltage determination unit 140 operates. Here, the explanation returns to FIG. As shown in FIG. 3, the voltage determination unit 140 includes at least a voltage difference determination unit 141 and a voltage difference signal conversion unit 142.

電圧差決定部１４１は、判定結果データに基づいて、第１ニューラルネットワーク１１０に供給されている電圧と、変更後の電圧との電圧差を決定し、電圧差信号変換部１４２に電圧差信号を出力する機能を有している。 The voltage difference determination unit 141 determines the voltage difference between the voltage supplied to the first neural network 110 and the changed voltage based on the determination result data, and outputs the voltage difference signal to the voltage difference signal conversion unit 142. It has a function to output.

電圧差決定部１４１には、第１ニューラルネットワークへの供給電圧Ｖ１を低くするときの電圧差と、当該供給電圧Ｖ１を高くするときの電圧差の比率が保持されている。供給電圧Ｖ１を低くするときの電圧差と、供給電圧Ｖ１を高くするときの電圧差との比率は、α：（１−α）とすることができる。αは、例えば０より大きく０．５未満の値とすることができる。 The voltage difference determining unit 141 holds the ratio of the voltage difference when the supply voltage V1 to the first neural network is lowered and the voltage difference when the supply voltage V1 is raised. The ratio of the voltage difference when the supply voltage V1 is lowered and the voltage difference when the supply voltage V1 is raised can be α: (1-α). α can be, for example, a value greater than 0 and less than 0.5.

電圧差信号変換部１４２は、電圧差信号を変換して、電圧信号を出力する機能を有している。電圧差信号変換部１４２は、例えば積分器を有することができる。 The voltage difference signal conversion unit 142 has a function of converting the voltage difference signal and outputting the voltage signal. The voltage difference signal conversion unit 142 may have, for example, an integrator.

電圧決定部１４０の動作を具体的に説明する。まず、電圧決定部１４０が備えている電圧差決定部１４１の動作の例について、図８を参照しつつ説明する。図８には、第１ニューラルネットワークへの供給電圧Ｖ１と、限界動作電圧ＶＬと、判定結果フラグＦの値と、時間Ｔが示されている。The operation of the voltage determination unit 140 will be specifically described. First, an example of the operation of the voltage difference determination unit 141 included in the voltage determination unit 140 will be described with reference to FIG. FIG. 8 shows the supply voltage V1 to the first neural network, the limit operating voltage VL , the value of the determination result flag F, and the time T.

判定結果フラグＦの値は０と１で示されている。平らになっている低い値が０、飛び出ている高い値が１である。 The value of the determination result flag F is indicated by 0 and 1. The flat low value is 0 and the protruding high value is 1.

判定結果フラグＦの値が０のとき、供給電圧Ｖ１が低くなっている。供給電圧Ｖ１が徐々に低くなり、時間ｔ１で供給電圧Ｖ１が限界動作電圧ＶＬになったとき、判定結果フラグＦの値が１となり、供給電圧Ｖ１が高くなっている。When the value of the determination result flag F is 0, the supply voltage V1 is low. When the supply voltage V1 gradually decreases and the supply voltage V1 reaches the limit operating voltage VL at time t1, the value of the determination result flag F becomes 1, and the supply voltage V1 increases.

そして、再び供給電圧Ｖ１が徐々に低くなり、時間ｔ２で限界動作電圧ＶＬになったとき、判定結果フラグＦの値が１となり、供給電圧Ｖ１が高くなっている。Then, when the supply voltage V1 gradually decreases and reaches the limit operating voltage VL at time t2, the value of the determination result flag F becomes 1, and the supply voltage V1 increases.

図８に示す実施例では、α＝０．１の場合を示している。そのため、供給電圧Ｖ１を低くするときの電圧差と、供給電圧Ｖ１を高くするときの電圧差との比率は、０．１：（１−０．１）＝０．１：０．９＝１：９となっている。 In the embodiment shown in FIG. 8, the case where α = 0.1 is shown. Therefore, the ratio of the voltage difference when the supply voltage V1 is lowered and the voltage difference when the supply voltage V1 is raised is 0.1: (1-0.1) = 0.1: 0.9 = 1. : It is 9.

また、供給電圧Ｖ１が（１−α）／α＋１回に１回の周期で高くなっている。この実施例では、α＝０．１であるため、（１−０．１）／０．１＋１＝１０回に１回の周期で供給電圧Ｖ１が高くなっている。 Further, the supply voltage V1 is increased in a cycle of (1-α) / α + 1 times. In this embodiment, since α = 0.1, the supply voltage V1 is increased in a cycle of (1-0.1) /0.1+1=10 times.

αの値が小さくなるほど、供給電圧Ｖ１が高くなる頻度が低くなる。一方、αの値が大きくなるほど、供給電圧Ｖ１が高くなる頻度が高くなる。したがって、このαの値を変動させることにより、供給電圧Ｖ１が高くなる頻度を調整できる。 The smaller the value of α, the lower the frequency with which the supply voltage V1 increases. On the other hand, the larger the value of α, the higher the frequency of the supply voltage V1. Therefore, by varying the value of α, the frequency with which the supply voltage V1 becomes high can be adjusted.

なお、供給電圧Ｖ１を低くするときの電圧差と、供給電圧を高くするときの電圧差との比率は、α：１−αに限られず、例えばα：１であってもよい。 The ratio between the voltage difference when the supply voltage V1 is lowered and the voltage difference when the supply voltage is raised is not limited to α: 1-α, and may be, for example, α: 1.

電圧差決定部１４１の他の動作の例について、図９を参照しつつ説明する。図９には、第１ニューラルネットワーク１１０への供給電圧Ｖ１と、限界動作電圧ＶＬと、判定結果フラグＦの値と、時間Ｔが示されている。An example of another operation of the voltage difference determination unit 141 will be described with reference to FIG. FIG. 9 shows the supply voltage V1 to the first neural network 110, the limit operating voltage VL , the value of the determination result flag F, and the time T.

判定結果フラグＦの値が０のとき、供給電圧Ｖ１が徐々に低くなっているが、時間ｔ３で供給電圧Ｖ１が限界動作電圧ＶＬの付近になったとき、供給電圧Ｖ１はそれ以上低くなっていない。このことにより、時間ｔ３より後の時間においては、低い供給電圧でありながら、第１ニューラルネットワーク１１０は誤った推論をすることがない。第１ニューラルネットワーク１１０が活発に動作しておらず、低い供給電圧であっても動作できる場合は、この状態でもよい。When the value of the determination result flag F is 0, the supply voltage V1 gradually decreases, but when the supply voltage V1 becomes close to the limit operating voltage VL at time t3, the supply voltage V1 becomes lower. Not. As a result, in the time after the time t3, the first neural network 110 does not make an erroneous inference even though the supply voltage is low. If the first neural network 110 is not actively operating and can operate even at a low supply voltage, this state may be used.

このときの電圧決定部１４０のフローチャートを図１０に示す。図１０に示すように、正解値データと推論結果データが一致し、判定結果フラグＦに値「０」が設定されている場合（Ｓ７：Ｙｅｓ）であり、かつ、第１ニューラルネットワーク１１０に供給されている電圧Ｖ１が所定の値より高い場合（Ｓ８：Ｙｅｓ）は、電圧決定部１４０は、第１ニューラルネットワーク及び第２ニューラルネットワークに供給されている電圧より低い電圧信号を出力する（Ｓ９）。 The flowchart of the voltage determination unit 140 at this time is shown in FIG. As shown in FIG. 10, when the correct answer value data and the inference result data match, and the value "0" is set in the determination result flag F (S7: Yes), and the data is supplied to the first neural network 110. When the voltage V1 is higher than a predetermined value (S8: Yes), the voltage determination unit 140 outputs a voltage signal lower than the voltage supplied to the first neural network and the second neural network (S9). ..

判定結果フラグＦに値「０」が設定されている場合（Ｓ７：Ｙｅｓ）であり、かつ、第１ニューラルネットワーク１１０に供給されている電圧Ｖ１が所定の値以下である場合（Ｓ８：Ｎｏ）は、電圧決定部１４０は、電圧信号を変化させない。 When the value "0" is set in the determination result flag F (S7: Yes), and the voltage V1 supplied to the first neural network 110 is equal to or less than a predetermined value (S8: No). The voltage determination unit 140 does not change the voltage signal.

正解値データと推論結果データが一致せず、判定結果フラグに値「１」が設定されている場合（Ｓ７：Ｎｏ）は、電圧決定部１４０は、ニューラルネットワーク１１０に供給されている電圧Ｖ１より高い電圧信号を出力する（Ｓ１０）。 When the correct answer value data and the inference result data do not match and the value "1" is set in the determination result flag (S7: No), the voltage determination unit 140 is from the voltage V1 supplied to the neural network 110. A high voltage signal is output (S10).

続いて、図３の説明に戻り、電圧決定部１４０が有している電圧差信号変換部１４２について説明する。電圧差信号変換部１４２は、電圧差決定部１４１から出力された電圧差信号を変換して、電圧信号を出力する機能を有している。 Subsequently, returning to the description of FIG. 3, the voltage difference signal conversion unit 142 included in the voltage determination unit 140 will be described. The voltage difference signal conversion unit 142 has a function of converting the voltage difference signal output from the voltage difference determination unit 141 and outputting the voltage signal.

具体的に説明すると、電圧差信号変換部１４２は、例えば電圧差決定部１４１から出力された電圧差をμ倍する。μは、例えば０より大きく１より非常に小さな値とすることができる。 Specifically, the voltage difference signal conversion unit 142 multiplys the voltage difference output from, for example, the voltage difference determination unit 141 by μ. μ can be, for example, a value greater than 0 and much less than 1.

このμの値が小さくなるほど、供給電圧Ｖ１が変化する電位差が小さくなる。一方、このμの値が大きくなるほど、供給電圧Ｖ１が変化する電位差が大きくなる。したがって、このμの値を変動させることにより、供給電圧Ｖ１が変化する電位差を調整できる。 The smaller the value of μ, the smaller the potential difference at which the supply voltage V1 changes. On the other hand, the larger the value of μ, the larger the potential difference at which the supply voltage V1 changes. Therefore, by varying the value of μ, the potential difference at which the supply voltage V1 changes can be adjusted.

２．本技術に係る第２の実施形態（電圧供給部） 2. 2. Second embodiment (voltage supply unit) according to the present technology.

本技術に係る電圧制御装置１００の他の一実施形態を図１１に示す。なお、図１１と図３の重複箇所については詳細な説明を割愛する。 FIG. 11 shows another embodiment of the voltage control device 100 according to the present technology. The details of the overlapping points of FIGS. 11 and 3 will be omitted.

図１１に示すように、電圧制御装置１００は、さらに電圧供給部１５０を備えることができる。電圧供給部１５０は、電圧決定部１４０が出力した電圧信号に基づいて、電圧を第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０に供給する機能を有している。 As shown in FIG. 11, the voltage control device 100 may further include a voltage supply unit 150. The voltage supply unit 150 has a function of supplying a voltage to the first neural network 110 and the second neural network 120 based on the voltage signal output by the voltage determination unit 140.

電圧供給部１５０は、少なくともＤＡコンバーター１５１を有することができる。ＤＡコンバーター１５１は、デジタル信号をアナログ信号に変換できる。電圧決定部１４０が出力した電圧信号はデジタル信号である。第１ニューラルネットワーク１１０及び第２ニューラルネットワーク１２０への供給電圧はアナログ信号である。したがって、ＤＡコンバーター１５１による変換処理が必要となる。 The voltage supply unit 150 can have at least a DA converter 151. The DA converter 151 can convert a digital signal into an analog signal. The voltage signal output by the voltage determining unit 140 is a digital signal. The supply voltage to the first neural network 110 and the second neural network 120 is an analog signal. Therefore, a conversion process by the DA converter 151 is required.

電圧供給部１５０は、さらにバッファ１５２を有することができる。ＤＡコンバーター１５１の出力電圧をそのまま第１ニューラルネットワーク１１０等に供給すると、ＤＡコンバーター１５１等の負荷が高くなる。したがって、バッファ１５２が、ＤＡコンバーター１５１の出力電圧を変換して第１ニューラルネットワーク１１０等に供給する。バッファ１５２として、例えば低ドロップアウト・リニアレギュレータ（ＬＤＯ）やＤＣ／ＤＣコンバーターを利用できる。 The voltage supply unit 150 may further have a buffer 152. If the output voltage of the DA converter 151 is supplied to the first neural network 110 or the like as it is, the load on the DA converter 151 or the like becomes high. Therefore, the buffer 152 converts the output voltage of the DA converter 151 and supplies it to the first neural network 110 and the like. As the buffer 152, for example, a low dropout linear regulator (LDO) or a DC / DC converter can be used.

３．本技術に係る第３の実施形態（異なる供給電圧） 3. 3. Third Embodiment of the present technology (different supply voltage)

本技術に係る電圧制御装置１００を具体化した他の一実施形態を図１２に示す。なお、図１２と図１１の重複箇所については詳細な説明を割愛する。 FIG. 12 shows another embodiment in which the voltage control device 100 according to the present technology is embodied. The details of the overlapping points of FIGS. 12 and 11 will be omitted.

第１ニューラルネットワーク１１０に供給されている電圧を第１供給電圧Ｖ１とする。第２ニューラルネットワーク１２０に供給されている電圧を第２供給電圧Ｖ２とする。 The voltage supplied to the first neural network 110 is defined as the first supply voltage V1. The voltage supplied to the second neural network 120 is defined as the second supply voltage V2.

電圧差信号変換部１４２は、電圧差決定部１４１が出力した電圧差信号を変換して、第１供給電圧Ｖ１に対応する電圧信号と、この電圧信号より高い第２供給電圧Ｖ２に対応する電圧信号を出力する機能を有している。第１供給電圧Ｖ１と第２供給電圧Ｖ２の電圧差ΔＶは、ノイズのゆらぎに左右されるが、例えば２０ｍＶであってもよいし、５０ｍＶであってもよい。 The voltage difference signal conversion unit 142 converts the voltage difference signal output by the voltage difference determination unit 141 into a voltage signal corresponding to the first supply voltage V1 and a voltage corresponding to the second supply voltage V2 higher than this voltage signal. It has a function to output a signal. The voltage difference ΔV between the first supply voltage V1 and the second supply voltage V2 depends on the fluctuation of noise, but may be, for example, 20 mV or 50 mV.

電圧供給部１５０は、第１供給電圧Ｖ１を第１ニューラルネットワーク１１０に供給し、第１供給電圧Ｖ１より高い第２供給電圧Ｖ２を第２ニューラルネットワーク１２０に供給する機能を有している。 The voltage supply unit 150 has a function of supplying the first supply voltage V1 to the first neural network 110 and supplying the second supply voltage V2 higher than the first supply voltage V1 to the second neural network 120.

この電圧供給部１５０の動作と、電圧決定部１４０が備えている電圧差決定部１４１の動作について、図１３を参照しつつ説明する。図１３には、第１供給電圧Ｖ１と、第２供給電圧Ｖ２と、限界動作電圧ＶＬと、判定結果フラグＦの値と、時間Ｔが示されている。The operation of the voltage supply unit 150 and the operation of the voltage difference determination unit 141 included in the voltage determination unit 140 will be described with reference to FIG. FIG. 13 shows the first supply voltage V1, the second supply voltage V2, the limit operating voltage VL , the value of the determination result flag F, and the time T.

第１供給電圧Ｖ１と第２供給電圧Ｖ２が徐々に低くなり、時間ｔ４で第１供給電圧Ｖ１が限界動作電圧ＶＬになったとき、判定結果フラグＦの値が１になり、第１供給電圧Ｖ１と第２供給電圧Ｖ２が高くなっている。When the first supply voltage V1 and the second supply voltage V2 gradually decrease and the first supply voltage V1 reaches the limit operating voltage VL at time t4, the value of the determination result flag F becomes 1 and the first supply The voltage V1 and the second supply voltage V2 are high.

そして、再び第１供給電圧Ｖ１と第２供給電圧Ｖ２が徐々に低くなり、時間ｔ５で第１供給電圧Ｖ１が限界動作電圧ＶＬになったとき、判定結果フラグＦの値が１になり、第１供給電圧Ｖ１と第２供給電圧Ｖ２が高くなっている。Then, when the first supply voltage V1 and the second supply voltage V2 gradually decrease again and the first supply voltage V1 reaches the limit operating voltage VL at time t5, the value of the determination result flag F becomes 1. The first supply voltage V1 and the second supply voltage V2 are high.

第２供給電圧Ｖ２は、第１供給電圧Ｖ１よりもわずかに高くなっている。このことにより、第１供給電圧Ｖ１が限界動作電圧ＶＬになったときに、第１ニューラルネットワーク１１０はエラーを発生するが、第２供給電圧Ｖ２が限界動作電圧ＶＬにならないため、第２ニューラルネットワーク１２０はエラーを発生しない。The second supply voltage V2 is slightly higher than the first supply voltage V1. As a result, when the first supply voltage V1 reaches the limit operating voltage VL , the first neural network 110 causes an error, but the second supply voltage V2 does not reach the limit operating voltage VL. The neural network 120 does not generate an error.

なお、本技術に係る電圧制御装置１００が電圧を制御する対象は、ニューラルネットワークに限られない。 The target for which the voltage control device 100 according to the present technology controls the voltage is not limited to the neural network.

なお、本明細書中に記載した効果はあくまで例示であって限定されるものではなく、また他の効果があってもよい。 It should be noted that the effects described in the present specification are merely examples and are not limited, and other effects may be obtained.

なお、本技術は、以下のような構成をとることもできる。
［１］第１ニューラルネットワークと、
第２ニューラルネットワークと、
推論結果判定部と、
電圧決定部と、を備えており、
前記第１ニューラルネットワークが、学習済みの情報に基づいて推論する機能を有しており、
前記第２ニューラルネットワークが、未学習の情報に基づいて推論する機能を有しており、
前記推論結果判定部が、前記推論結果判定部に保持された正解値データと前記第１ニューラルネットワークの推論結果データとを比較して判定結果データを得る機能を有しており、
前記電圧決定部が、前記判定結果データに基づいて、前記正解値データと前記推論結果データが一致した場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている電圧より低い電圧信号を出力し、前記正解値データと前記推論結果データが一致しない場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より高い前記電圧信号を出力する機能を有している、
電圧制御装置。
［２］前記第１ニューラルネットワークが、前記第２ニューラルネットワークの一部又は全部の構成要素が複製されたものである、［１］に記載の電圧制御装置。
［３］前記第１ニューラルネットワークが、前記第２ニューラルネットワークの構成要素の一部で構成されている、［１］又は［２］に記載の電圧制御装置。
［４］前記第１ニューラルネットワーク及び前記第２ニューラルネットワークが、少なくとも、記憶部と、複数のプロセッシングエレメントと、を有している、［１］〜［３］のいずれか一つに記載の電圧制御装置。
［５］前記電圧決定部が、少なくとも、電圧差決定部と、電圧差信号変換部と、を有しており、前記電圧差決定部が、前記判定結果データに基づいて、前記第１ニューラルネットワークに供給されている前記電圧と、変更後の前記電圧との電圧差を決定し、電圧差信号を出力する機能を有しており、前記電圧差信号変換部が、前記電圧差信号を変換して、前記電圧信号を出力する機能を有している、［１］〜［４］のいずれか一つに記載の電圧制御装置。
［６］前記電圧決定部が、前記判定結果データと前記電圧に基づいて、前記正解値データと前記推論結果データが一致しており、かつ、前記第１ニューラルネットワークに供給されている前記電圧が所定の値より高い場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より低い電圧信号を出力する、［１］〜［５］のいずれか一つに記載の電圧制御装置。
［７］電圧供給部をさらに備えており、前記電圧供給部が、前記電圧決定部が出力した前記電圧信号に基づいて、前記電圧を前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給する機能を有している、［１］〜［６］のいずれか一つに記載の電圧制御装置。
［８］前記電圧供給部が、少なくともＤＡコンバーターを有しており、前記ＤＡコンバーターが、デジタル信号である前記電圧信号を、アナログ信号である前記電圧に変換して出力する機能を有している、［７］に記載の電圧制御装置。
［９］前記第１ニューラルネットワークに供給されている前記電圧を第１供給電圧とし、前記第２ニューラルネットワークに供給されている前記電圧を第２供給電圧とし、前記電圧供給部が、前記第１供給電圧より高い前記第２供給電圧を、前記第２ニューラルネットワークに供給する機能を有している、［７］又は［８］に記載の電圧制御装置。The present technology can also have the following configurations.
[1] The first neural network and
The second neural network and
Inference result judgment unit and
It has a voltage determination unit and
The first neural network has a function of inferring based on learned information.
The second neural network has a function of inferring based on unlearned information.
The inference result determination unit has a function of comparing the correct answer value data held in the inference result determination unit with the inference result data of the first neural network to obtain determination result data.
When the correct answer value data and the inference result data match based on the determination result data, the voltage determining unit is a voltage signal lower than the voltage supplied to the first neural network and the second neural network. Is output, and when the correct answer value data and the inference result data do not match, it has a function of outputting the voltage signal higher than the voltage supplied to the first neural network and the second neural network. Yes,
Voltage controller.
[2] The voltage control device according to [1], wherein the first neural network is a duplicate of a part or all of the components of the second neural network.
[3] The voltage control device according to [1] or [2], wherein the first neural network is composed of a part of a component of the second neural network.
[4] The voltage according to any one of [1] to [3], wherein the first neural network and the second neural network have at least a storage unit and a plurality of processing elements. Control device.
[5] The voltage difference determination unit has at least a voltage difference determination unit and a voltage difference signal conversion unit, and the voltage difference determination unit has the first neural network based on the determination result data. It has a function of determining the voltage difference between the voltage supplied to the device and the changed voltage and outputting a voltage difference signal, and the voltage difference signal conversion unit converts the voltage difference signal. The voltage control device according to any one of [1] to [4], which has a function of outputting the voltage signal.
[6] Based on the determination result data and the voltage, the voltage determination unit matches the correct value data and the inference result data, and the voltage supplied to the first neural network is the voltage. The voltage according to any one of [1] to [5], which outputs a voltage signal lower than the voltage supplied to the first neural network and the second neural network when the value is higher than a predetermined value. Control device.
[7] A function of further comprising a voltage supply unit, wherein the voltage supply unit supplies the voltage to the first neural network and the second neural network based on the voltage signal output by the voltage determination unit. The voltage control device according to any one of [1] to [6].
[8] The voltage supply unit has at least a DA converter, and the DA converter has a function of converting the voltage signal, which is a digital signal, into the voltage, which is an analog signal, and outputting the voltage signal. , [7].
[9] The voltage supplied to the first neural network is used as the first supply voltage, the voltage supplied to the second neural network is used as the second supply voltage, and the voltage supply unit is the first supply voltage. The voltage control device according to [7] or [8], which has a function of supplying the second supply voltage higher than the supply voltage to the second neural network.

１００ 電圧制御装置
１１０ 第１ニューラルネットワーク
１２０ 第２ニューラルネットワーク
１３０ 推論結果判定部
１４０ 電圧決定部
１４１ 電圧差決定部
１４２ 電圧差信号変換部
１５０ 電圧供給部
１５１ ＤＡコンバーター
Ｖ１ 第１供給電圧
Ｖ２ 第２供給電圧
ＶＬ 限界動作電圧
Ｆ 判定結果フラグ
Ｔ 時間
ＡＣ 正解値データ100 Voltage controller 110 1st neural network 120 2nd neural network 130 Inference result determination unit 140 Voltage determination unit 141 Voltage difference determination unit 142 Voltage difference signal conversion unit 150 Voltage supply unit 151 DA converter V1 1st supply voltage V2 2nd supply voltage V L limit operating voltage F determination result flag T time A C correct value data

Claims (9)

第１ニューラルネットワークと、
第２ニューラルネットワークと、
推論結果判定部と、
電圧決定部と、を備えており、
前記第１ニューラルネットワークが、学習済みの情報に基づいて推論する機能を有しており、
前記第２ニューラルネットワークが、未学習の情報に基づいて推論する機能を有しており、
前記推論結果判定部が、前記推論結果判定部に保持された正解値データと前記第１ニューラルネットワークの推論結果データとを比較して判定結果データを得る機能を有しており、
前記電圧決定部が、前記判定結果データに基づいて、前記正解値データと前記推論結果データが一致した場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている電圧より低い電圧信号を出力し、前記正解値データと前記推論結果データが一致しない場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より高い前記電圧信号を出力する機能を有している、
電圧制御装置。The first neural network and
The second neural network and
Inference result judgment unit and
It has a voltage determination unit and
The first neural network has a function of inferring based on learned information.
The second neural network has a function of inferring based on unlearned information.
The inference result determination unit has a function of comparing the correct answer value data held in the inference result determination unit with the inference result data of the first neural network to obtain determination result data.
When the correct answer value data and the inference result data match based on the determination result data, the voltage determining unit is a voltage signal lower than the voltage supplied to the first neural network and the second neural network. Is output, and when the correct answer value data and the inference result data do not match, it has a function of outputting the voltage signal higher than the voltage supplied to the first neural network and the second neural network. Yes,
Voltage controller. 前記第１ニューラルネットワークが、前記第２ニューラルネットワークの一部又は全部の構成要素が複製されたものである、
請求項１に記載の電圧制御装置。The first neural network is a duplicate of a part or all of the components of the second neural network.
The voltage control device according to claim 1. 前記第１ニューラルネットワークが、前記第２ニューラルネットワークの構成要素の一部で構成されている、
請求項１に記載の電圧制御装置。The first neural network is composed of a part of the components of the second neural network.
The voltage control device according to claim 1. 前記第１ニューラルネットワーク及び前記第２ニューラルネットワークが、少なくとも、
記憶部と、
複数のプロセッシングエレメントと、を有している、
請求項１に記載の電圧制御装置。The first neural network and the second neural network are at least
Memory and
Has multiple processing elements,
The voltage control device according to claim 1. 前記電圧決定部が、少なくとも、
電圧差決定部と、
電圧差信号変換部と、を有しており、
前記電圧差決定部が、前記判定結果データに基づいて、前記第１ニューラルネットワークに供給されている前記電圧と、変更後の前記電圧との電圧差を決定し、電圧差信号を出力する機能を有しており、
前記電圧差信号変換部が、前記電圧差信号を変換して、前記電圧信号を出力する機能を有している、
請求項１に記載の電圧制御装置。The voltage determination unit is at least
Voltage difference determination unit and
It has a voltage difference signal converter and
The voltage difference determination unit has a function of determining a voltage difference between the voltage supplied to the first neural network and the changed voltage based on the determination result data, and outputting a voltage difference signal. Have and
The voltage difference signal conversion unit has a function of converting the voltage difference signal and outputting the voltage signal.
The voltage control device according to claim 1. 前記電圧決定部が、前記判定結果データと前記電圧に基づいて、前記正解値データと前記推論結果データが一致しており、かつ、前記第１ニューラルネットワークに供給されている前記電圧が所定の値より高い場合は、前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給されている前記電圧より低い電圧信号を出力する、
請求項１に記載の電圧制御装置。Based on the determination result data and the voltage, the voltage determination unit matches the correct value data and the inference result data, and the voltage supplied to the first neural network is a predetermined value. If it is higher, it outputs a voltage signal lower than the voltage supplied to the first neural network and the second neural network.
The voltage control device according to claim 1. 電圧供給部をさらに備えており、
前記電圧供給部が、前記電圧決定部が出力した前記電圧信号に基づいて、前記電圧を前記第１ニューラルネットワーク及び前記第２ニューラルネットワークに供給する機能を有している、
請求項１に記載の電圧制御装置。It also has a voltage supply unit,
The voltage supply unit has a function of supplying the voltage to the first neural network and the second neural network based on the voltage signal output by the voltage determination unit.
The voltage control device according to claim 1. 前記電圧供給部が、少なくともＤＡコンバーターを有しており、
前記ＤＡコンバーターが、デジタル信号である前記電圧信号を、アナログ信号である前記電圧に変換して出力する機能を有している、
請求項７に記載の電圧制御装置。The voltage supply unit has at least a DA converter, and the voltage supply unit has at least a DA converter.
The DA converter has a function of converting the voltage signal, which is a digital signal, into the voltage, which is an analog signal, and outputting the signal.
The voltage control device according to claim 7. 前記第１ニューラルネットワークに供給されている前記電圧を第１供給電圧とし、
前記第２ニューラルネットワークに供給されている前記電圧を第２供給電圧とし、
前記電圧供給部が、前記第１供給電圧より高い前記第２供給電圧を、前記第２ニューラルネットワークに供給する機能を有している、
請求項７に記載の電圧制御装置。The voltage supplied to the first neural network is defined as the first supply voltage.
The voltage supplied to the second neural network is defined as the second supply voltage.
The voltage supply unit has a function of supplying the second supply voltage higher than the first supply voltage to the second neural network.
The voltage control device according to claim 7.
JP2020567425A 2019-01-24 2019-12-17 voltage control device Active JP7404276B2 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019009847 2019-01-24
JP2019009847 2019-01-24
PCT/JP2019/049265 WO2020153047A1 (en) 2019-01-24 2019-12-17 Voltage control device

Publications (2)

Publication Number Publication Date
JPWO2020153047A1 true JPWO2020153047A1 (en) 2021-12-02
JP7404276B2 JP7404276B2 (en) 2023-12-25

Family

ID=71735673

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020567425A Active JP7404276B2 (en) 2019-01-24 2019-12-17 voltage control device

Country Status (5)

Country Link
US (1) US20220075444A1 (en)
JP (1) JP7404276B2 (en)
CN (1) CN113316752A (en)
DE (1) DE112019006731T5 (en)
WO (1) WO2020153047A1 (en)

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0643948A (en) * 1992-07-27 1994-02-18 Tohoku Electric Power Co Inc Voltage reactive power controller
US7287014B2 (en) * 2001-11-16 2007-10-23 Yuan Yan Chen Plausible neural network with supervised and unsupervised cluster analysis
US7583059B2 (en) * 2003-12-18 2009-09-01 Lg Chem, Ltd. Apparatus and method for estimating state of charge of battery using neural network
JP5691943B2 (en) * 2011-08-31 2015-04-01 日本電気株式会社 Memory voltage controller
JP6703265B2 (en) * 2016-06-27 2020-06-03 富士通株式会社 Neural network device and method for controlling neural network device
CN106875940B (en) * 2017-03-06 2020-08-14 吉林省盛创科技有限公司 Machine self-learning construction knowledge graph training method based on neural network
CN107239852A (en) * 2017-05-05 2017-10-10 南京邮电大学 A kind of electric quantity consumption Forecasting Methodology based on deep learning
CN107562113B (en) * 2017-08-22 2019-04-05 电子科技大学 One kind low line regulation reference circuit neural network based and production method
CN108009640B (en) * 2017-12-25 2020-04-28 清华大学 Training device and training method of neural network based on memristor

Also Published As

Publication number Publication date
WO2020153047A1 (en) 2020-07-30
US20220075444A1 (en) 2022-03-10
CN113316752A (en) 2021-08-27
DE112019006731T5 (en) 2021-11-18
JP7404276B2 (en) 2023-12-25

Similar Documents

Publication Publication Date Title
CN108777157B (en) Self-adaptive method for predicting MLC flash memory voltage threshold based on deep neural network
Lanzi et al. Toward optimal classifier system performance in non-Markov environments
US7372382B2 (en) Voltage regulation using digital voltage control
US10437271B2 (en) Systems and apparatuses for a configurable temperature dependent reference voltage generator
US10658929B2 (en) Apparatuses and methods for a load current control circuit for a source follower voltage regulator
Cao et al. Mamdani-type fuzzy controllers are universal fuzzy controllers
Wegener et al. On the analysis of a simple evolutionary algorithm on quadratic pseudo-boolean functions
US20200409402A1 (en) Reference voltage generation
US20180173262A1 (en) Three-dimensional power stage and adaptive pipeline control
WO2020168448A1 (en) Sleep prediction method and apparatus, and storage medium and electronic device
KR20210029876A (en) Electronic device for configuring neural network
US11024348B2 (en) Memory array with reduced read power requirements and increased capacity
US9720471B2 (en) Voltage regulator with feed-forward and feedback control
JP7404276B2 (en) voltage control device
DE102022122719A1 (en) Power modulation using dynamic voltage and frequency scaling
KR20200113106A (en) Neural network system including gate circuit for controlling memristor array circuit
US20200089264A1 (en) Managing linear regulator transient voltages upon sleep transitions
Larras et al. Analog encoded neural network for power management in MPSoC
US20220414445A1 (en) Neural networks with analog and digital modules
CN214586615U (en) High PSRR low dropout regulator circuit with high output voltage
US7561484B2 (en) Reference-free sampled sensing
JP6963988B2 (en) Providing equipment, providing method and providing program
Bach Are all kernels cursed
US20230069909A1 (en) Power system based on beta source and method for operating the same
KR102375896B1 (en) Method and apparatus for quantizing deep neural network

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221028

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231109

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20231114

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231213

R150 Certificate of patent or registration of utility model

Ref document number: 7404276

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150